數(shù)據(jù)科學是什么?

數(shù)據(jù)科學也被稱為數(shù)據(jù)驅(qū)動科學，是一個關于科學方法、過程和系統(tǒng)的跨學科領域，從結構化或非結構化的數(shù)據(jù)提取知識或見解，類似于數(shù)據(jù)挖掘。

這個概念有兩點需要解釋，一個是數(shù)據(jù)科學的核心是從數(shù)據(jù)中提取知識或見解，另外一個是類似于數(shù)據(jù)挖掘，應該講數(shù)據(jù)科學有很多內(nèi)容依賴于數(shù)據(jù)挖掘的方法，但不全部是數(shù)據(jù)挖掘。

其交叉學科的性質(zhì)和未來廣闊的不同專業(yè)的就業(yè)面，使得眾多學科背景的人群都可以參加學習這個專業(yè)。這些專業(yè)背景包括：

數(shù)學：Data Science 無法避免的就是算法，而算法的基礎就是數(shù)學。因而數(shù)學系的同學如果申請Data Science 的話是非常有競爭力的，雖然你可能沒有計算機基礎，但是你的邏輯思維直接導致了你有很好的處理大數(shù)據(jù)的能力。

計算機相關專業(yè)：計算機在Data Science 方向自然是最具競爭力的。但是這個專業(yè)除了鞏固自身的編程能力，更著重了解更多的處理數(shù)據(jù)的方法。因此，學計算機的同學們，建議在數(shù)學方向有一定的基礎，不然學的時候會很費腦。

經(jīng)濟學相關專業(yè)：在大數(shù)據(jù)環(huán)境下，你有經(jīng)濟學基礎，那么恭喜你，你一定比其他專業(yè)的同學們更懂得什么數(shù)據(jù)才是有利于預估經(jīng)濟發(fā)展行情的，因而如果你有很好的邏輯能力的話，你完全可以學習一些基礎的計算機知識和編程，這不但是適應社會發(fā)展的知識，也是能讓你在今后就業(yè)方面如魚得水的專業(yè)。

數(shù)據(jù)科學的三類職業(yè)方向包括：機器學習、數(shù)據(jù)分析和數(shù)據(jù)科學家。

1. 機器學習工程師 Machine Learning Engineer

代表了技術含量較高的方向，工作內(nèi)容主要是開發(fā)機器學習系統(tǒng)和用這些系統(tǒng)解決實際問題。一般需要ship production code，做出來的是數(shù)據(jù)產(chǎn)品。

2. 數(shù)據(jù)分析員 Data Analyst

工作內(nèi)容俗稱analytics (product analytics or business analytics)，從數(shù)據(jù)中提取insight，估計投資回報比，為產(chǎn)品方向提建議。Data Analyst的基本工資中值為58777美元。

能夠影響薪資的技能包括：數(shù)據(jù)分析、Microsoft Excel、SQL、數(shù)據(jù)庫管理與報告、Microsoft Office、數(shù)據(jù)挖掘/數(shù)據(jù)倉庫、統(tǒng)計分析、數(shù)據(jù)建模、數(shù)據(jù)錄入、Microsoft SQL Server、Microsoft Access、Microsoft Word、R、Tableau Software、SAS。

3. 數(shù)據(jù)科學家 Data Scientist

IT數(shù)據(jù)科學家工作內(nèi)容以高級建模為主，會針對復雜的問題來設計技術方案。它的任務是為建模、數(shù)據(jù)挖掘和生產(chǎn)目的設計和構建新的數(shù)據(jù)集流程。確定改進數(shù)據(jù)和搜索質(zhì)量以及預測能力的新方法。執(zhí)行和解釋關于新數(shù)據(jù)源或現(xiàn)有數(shù)據(jù)源的新用途的數(shù)據(jù)研究和產(chǎn)品實驗。開發(fā)原型、概念證明、算法、預測模型和分析。

營銷數(shù)據(jù)科學家負責構建和調(diào)整轉(zhuǎn)換算法和數(shù)據(jù)挖掘策略，以利用消費者數(shù)據(jù)，通過數(shù)據(jù)來給出營銷方面的戰(zhàn)略建議，以確保在線營銷策略與公司更廣泛的營銷計劃相結合，并使用比如Adobe Analytics /Google Analytics這類分析工具，及時向公司管理層和客戶提供綜合報告。

雖然近幾年來不斷有美國高校開設新的數(shù)據(jù)科學類項目，但申請競爭形式日益嚴峻。

首先，學 CS 的同學顯然是可以申請的，因為大多數(shù)數(shù)據(jù)工作都是通過編程和數(shù)據(jù)庫的相關手段進行的；學統(tǒng)計或者應數(shù)，且有一定編程基礎的同學也可以申請；商科出身，尤其是量化背景較強的商科專業(yè)，比如金工，但又希望能選擇一個 STEM 專業(yè)的小伙伴，那 DS 顯然也是個非常好的選擇。

關于硬件條件方面，由于數(shù)據(jù)科學專業(yè)的申請非常熱門，所以申請者盡可能在申請前能獲得較高的GPA、TOEFL（美本大多項目可免）和 GRE 成績，申請綜排前 50 的項目的申請者，往往有GPA 3.5+, TOEFL 105+, GRE 325+ 的成績，外加出色的科研、學術活動或?qū)嵙暯?jīng)歷。此外，由于該專業(yè)培養(yǎng)的人才供不應求，因此每年都有學校新開設相關項目，申請人可重點關注。